다중 작업 딥 추천 시스템 연구 동향
다중 작업 학습(MTL)은 관련 작업 간의 공유 지식을 활용하여 상호 개선을 목표로 하는 통합 모델 학습 방식입니다. 추천 시스템 분야에서는 성능과 효율성을 동시에 고려한 다중 작업 예측의 필요성이 증대됨에 따라 MTL이 중요한 주제로 부상하고 있습니다. 그러나 추천 커뮤니티 내에서는 MTL에 대한 체계적인 종합 연구가 부족한 실정입니다. 이러한 간극을 메우기 위해 본 연구는 기존의 다중 작업 딥 추천 시스템(MTDRS)에 대한 포괄적인 조사를 제공합니다. 먼저 MTDRS의 문제 정의를 명확히 하고, 관련 분야들과의 차이점을 비교합니다. 이어서 MTDRS의 발전 과정을 상세히 설명하고, 작업 관계와 방법론 측면에서 분류 체계를 제시합니다. 구체적으로, 작업 관계는 병렬형, 계단형, 그리고 주 작업-보조 작업 형태로 분류되며, 방법론은 파라미터 공유, 최적화, 훈련 메커니즘으로 그룹화됩니다. 본 조사는 MTDRS의 응용 사례와 공개 데이터셋을 요약하고, 해당 분야의 주요 도전 과제와 미래 연구 방향을 제시하며 마무리됩니다. 이 연구는 추천 시스템 분야의 연구자와 실무자에게 MTDRS에 대한 심층적인 이해를 제공하고, 향후 연구 및 개발을 위한 기반을 마련하는 데 기여할 것입니다.